数据治理包含

这里包括对业务、数据、应用、***架构、******等方方面面的认知。举个例子：你的业务战略目标是什么，业务域、业务线、业务项能不能说清楚；你有多少结构化数据、半结构化数据、非结构化数据，数据体量有多大，都存哪，使用场景、使用角色都是什么，数据和业务之间的关系是什么；你建设了多少应用系统，应用和业务之间的关系是什么；你的***架构长什么样，流程什么样，不同部门之间的关系是什么，权责利如何划分，信息化成熟度什么样，人员技能又如何；你的企业要遵守哪些******，有没有跨境业务，行业有没有监管要求？

数据治理内容服务将是

数字化社会的建立，从技术上可以分为很多架构，从应用上也有众多分支，透过众多的表现形式，笔者通过比对各类数据建设方案，分析各种应用场景，可以看出数据化建设的本身越来越互联网化，其主要特征就是服务为王，如何从数字化浪潮中构筑新型的服务内容，提供***的场景化解决方案将是未来的重中之重。

智慧型交通、城市大脑、新型农村、数字***、远程、异地协同、AI教育等等，笔者不在此列举，这些平台的特点都是是数字驱动型，都是未来的发展的***，但是这些平台提供的服务才是关键，才是数字化平台生命力所在。

与之相应的技术型企业，只有扎根企业，提供行业解决方案，提供场景化功能服务，才能在数字化浪潮中绽放光芒。

数据治理数据分级

，需要依赖于数据分类的结果，因为数据分类令数据有了明确的业务属性。如何给数据定级，一个重要的依据就是要判断该数据***时所造成的影响，包括影响的对象、影响的范围和结果等，这些取决于业务分类的准确性。数据分级另一个前提就是合规的梳理，企业可以通过这项工作清楚地了解哪类数据是被要求必须受保护的，从而结合分类的结果更地对数据进行分级。

数据治理

敏感数据一旦***会给个人及社会带来严重危害，甚至对企业及***带来不可估量的损失，那敏感数据到底有哪些呢?除***、***内界定的敏感数据（号、姓名、住址、***帐号等）外，还有企业或***机构不适合公开的数据，如企业的营业数据、网络结构等。但如何鉴别和分类敏感数据却存在诸多矛盾，由于不同地域、不同***或部门也可能对同一类的数据归类不尽相同，这也给识别敏感数据带来一定的难度。